智能控制理論及應(yīng)用

智能控制理論及應(yīng)用2/5/20231北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系參考書目：（1）周德儉，吳斌.智能控制.重慶：重慶大學(xué)出版社，2005（2）李少遠(yuǎn)，王景成.智能控制.北京：機(jī)械工業(yè)出版社，2005（3）李人厚.智能控制理論和方法.西安：西安電子科技大學(xué)出版社，1999（4）王萬森.人工智能原理及其應(yīng)用.北京：電子工業(yè)出版社，20002/5/20232北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系（5）蔡自興.人工智能控制.北京：化學(xué)工業(yè)出版社，2005（7）沈清，胡德文，時春.神經(jīng)網(wǎng)絡(luò)應(yīng)用技術(shù).長沙：國防科技大學(xué)出版社，1993（8）方崇智，蕭德云.過程辨識.北京：清華大學(xué)出版社，1988（9）舒迪前.預(yù)測控制系統(tǒng)及其應(yīng)用.北京：機(jī)械工業(yè)出版社，1996（6）竇振中.模糊邏輯控制技術(shù)及其應(yīng)用.北京：北京航空航天大學(xué)出版社，19952/5/20233北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系第1章概論課程內(nèi)容：第2章分級遞階智能控制第3章基于模糊推理的智能控制系統(tǒng)第4章基于神經(jīng)網(wǎng)絡(luò)的智能控制技術(shù)第5章模糊神經(jīng)網(wǎng)絡(luò)第6章遺傳算法及其應(yīng)用第7章基于規(guī)則的仿人智能控制2/5/20234北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系第1章概論1.1智能控制的基本概念1.1.1智能控制的結(jié)構(gòu)理論智能控制（IC：IntelligentControl）是一門新興的交叉學(xué)科，具有非常廣泛的應(yīng)用領(lǐng)域。智能控制這一術(shù)語于1967年由Leondes和Mendel首先使用，1971年著名美籍華人科學(xué)家傅京孫（K.S.Fu）教授從發(fā)展學(xué)習(xí)控制的角度首次正式提出智能控制概念與建立智能控制學(xué)科的構(gòu)思。傅京孫把智能控制概括為自動控制（AC：AutomaticControl）和人工智能（AI：ArtificialIntelligence）的交集，即這種交叉關(guān)系可用圖1.1形象地表示，它主要強(qiáng)調(diào)人工智能中“智能”的概念與自動控制的結(jié)合。自動控制AC人工智能AI智能控制IC圖1.1智能控制的二元結(jié)構(gòu)2/5/20235北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系薩里迪斯（Saridis）等從機(jī)器智能的角度出發(fā)，對傅京孫的二元交集結(jié)構(gòu)理論進(jìn)行了擴(kuò)展，引入了運(yùn)籌學(xué)（OR：OperationsResearch）并提出了三元交集結(jié)構(gòu)，即自動控制AC人工智能AI智能控制IC圖1.2智能控制的三元結(jié)構(gòu)運(yùn)籌學(xué)OR三元交集除“智能”與控制之外，還強(qiáng)調(diào)了在更高層次控制中調(diào)度、規(guī)劃、管理和優(yōu)化的作用。2/5/20236北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系我國學(xué)者蔡自興教授于1989年提出把信息論（IT：InformationTheory）包括進(jìn)智能控制結(jié)構(gòu)理論的四元論結(jié)構(gòu)（如圖1.3所示），即自動控制AC人工智能AIIC圖1.3智能控制的四元論結(jié)構(gòu)運(yùn)籌學(xué)OR信息論IT2/5/20237北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系以上關(guān)于智能控制結(jié)構(gòu)理論的不同見解中，存在著以下幾點(diǎn)共識：（1）智能控制是由多種學(xué)科相互交叉而形成的一門新興學(xué)科；（2）智能控制是自動控制發(fā)展到新階段的產(chǎn)物，它以人工智能和自動控制的相互結(jié)合為主要標(biāo)志；（3）智能控制在發(fā)展過程中不斷地吸收著控制論、信息論、系統(tǒng)論、運(yùn)籌學(xué)、計(jì)算機(jī)科學(xué)、模糊數(shù)學(xué)、心理學(xué)、生理學(xué)、仿生學(xué)等學(xué)科的思想、方法以及新的研究成果，目前仍在發(fā)展和完善之中。2/5/20238北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系1.1.2智能控制的定義由于智能控制是一門新興學(xué)科且正處于發(fā)展階段，所以至今尚無統(tǒng)一的定義，故有多種描述形式。從三元交集論的角度定義智能控制：它是一種應(yīng)用人工智能的理論和技術(shù)以及運(yùn)籌學(xué)的優(yōu)化方法，并和控制理論中的方法與技術(shù)相結(jié)合，在不確定的環(huán)境中，仿效人的智能（學(xué)習(xí)、推理等），實(shí)現(xiàn)對系統(tǒng)控制的理論與方法。從系統(tǒng)一般行為特性出發(fā)，J.S.Albus認(rèn)為：智能控制是有知識的“行為舵手”，它把知識和反饋結(jié)合起來，形成感知–交互式、以目標(biāo)為導(dǎo)向的控制系統(tǒng)。該系統(tǒng)可以進(jìn)行規(guī)劃，產(chǎn)生有效的、有目的的行為，并能在不確定的環(huán)境中，達(dá)到預(yù)期的目標(biāo)。2/5/20239北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系從認(rèn)知過程出發(fā)：智能控制是一種推理計(jì)算，它能在非完整的性能指標(biāo)下，通過一些基本的操作，如歸納(Generalization)和組合搜索(CombinatorialSearch)等，把表達(dá)不完善、不確定的復(fù)雜系統(tǒng)引向規(guī)定的目標(biāo)。

K.J.Astrom認(rèn)為：把人類具有的直覺推理和試湊法等智能加以形式化或用機(jī)器模擬，并用于控制系統(tǒng)的分析與設(shè)計(jì)中，以期在一定程度上實(shí)現(xiàn)控制系統(tǒng)的智能化，這就是智能控制。從控制論的角度出發(fā)：智能控制是驅(qū)動智能機(jī)器自主地實(shí)現(xiàn)其目標(biāo)的過程。或者說，智能控制是一類無需人的干預(yù)就能獨(dú)立地驅(qū)動智能機(jī)器實(shí)現(xiàn)其目標(biāo)的自動控制方法。以上各種描述說明：智能控制具有認(rèn)知和仿人的功能；能適應(yīng)不確定性的環(huán)境；能自主處理信息以減少不確定性；能可靠地進(jìn)行規(guī)劃，產(chǎn)生和執(zhí)行有目的的行為，以獲取最優(yōu)的控制效果。2/5/202310北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系1.2智能控制的發(fā)展概況人們將智能控制的產(chǎn)生歸結(jié)為二大主因，一是自動控制理論發(fā)展之必然；二是人工智能的發(fā)展為其提供了機(jī)遇。1.2.1智能控制的產(chǎn)生20世紀(jì)40~50年代經(jīng)典控制理論單輸入、單輸出系統(tǒng)傳遞函數(shù)、頻域法反饋控制模擬調(diào)節(jié)器單機(jī)自動化20世紀(jì)60~70年代現(xiàn)代控制理論多輸入、多輸出系統(tǒng)狀態(tài)方程、時域法最優(yōu)、隨機(jī)、自適應(yīng)控制電子計(jì)算機(jī)機(jī)組自動化表1.1自動控制理論發(fā)展階段特征階段時期理論基礎(chǔ)研究對象分析方法研究重點(diǎn)核心裝置應(yīng)用第一階段第二階段第三階段20世紀(jì)80年代至今智能控制理論多層次、多變量系統(tǒng)智能算子、多級控制大系統(tǒng)、智能控制智能機(jī)器系統(tǒng)綜合自動化2/5/202311北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系開環(huán)控制確定性反饋控制最優(yōu)控制隨機(jī)控制自適應(yīng)/魯棒控制自學(xué)習(xí)控制智能控制控制復(fù)雜性進(jìn)展方向圖1.4自動控制的發(fā)展過程2/5/202312北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系

人工智能產(chǎn)生于20世紀(jì)50年代，它是控制論、信息論、系統(tǒng)論、計(jì)算機(jī)科學(xué)、神經(jīng)生理學(xué)、心理學(xué)、數(shù)學(xué)以及哲學(xué)等多種學(xué)科相互滲透的結(jié)果，也是電子計(jì)算機(jī)出現(xiàn)并廣泛應(yīng)用的結(jié)果。早在1965年，傅京孫首先提出把基于符號操作和邏輯推理的啟發(fā)式規(guī)則用于學(xué)習(xí)控制系統(tǒng)，Mendel教授進(jìn)一步在空間飛行器的學(xué)習(xí)控制中應(yīng)用了人工智能技術(shù)。這是人工智能的符號主義（邏輯主義）學(xué)派的觀點(diǎn)首次與控制理論相結(jié)合，從而實(shí)現(xiàn)智能控制的大膽嘗試。隨后智能控制的提出和發(fā)展歷程，一直伴隨著人工智能的發(fā)展而發(fā)展，人工智能作為智能控制的基礎(chǔ)和重要組成部分，它的每一個研究成果都對智能控制的發(fā)展起到了積極的推動作用。2/5/202313北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系1.2.2智能控制的發(fā)展1971年傅京孫提出智能控制概念，并在文章“學(xué)習(xí)控制系統(tǒng)和智能控制系統(tǒng)：人工智能與自動控制的交叉”中歸納了3種類型的智能控制系統(tǒng)：（1）人作為控制器的控制系統(tǒng)；（2）人–機(jī)結(jié)合作為控制器的控制系統(tǒng)；（3）無人參與的智能控制系統(tǒng)。薩里迪斯對智能控制的發(fā)展做出了重要貢獻(xiàn)，在1977年出版了“隨機(jī)系統(tǒng)的自組織控制”一書，并于1979年發(fā)表了綜述文章“面向智能控制的實(shí)現(xiàn)”。他從控制理論發(fā)展的觀點(diǎn)，論述了從通常的反饋控制到最優(yōu)控制、隨機(jī)控制，再到自適應(yīng)控制、自學(xué)習(xí)控制、自組織控制，并最終向智能控制這個更高階段發(fā)展的過程。他首次提出分級遞階的智能控制結(jié)構(gòu)，并在分級遞階智能控制的理論和實(shí)踐方面做了大量的工作。2/5/202314北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系奧斯特洛姆（K.J.Astrom）對智能控制的發(fā)展也做出了重要的貢獻(xiàn)。他在1986年發(fā)表的著名文章“專家控制”中，提出了引入人工智能中專家系統(tǒng)技術(shù)的一類智能控制系統(tǒng)。它借助于專家系統(tǒng)技術(shù)，將常規(guī)PID控制、最小方差控制、自適應(yīng)控制等不同方法有機(jī)地結(jié)合在一起，根據(jù)不同情況分別采取不同的控制策略，同時該系統(tǒng)還具有許多邏輯控制功能，如：起停控制、自動切換控制、越限報警以及故障診斷等。1985年8月，IEEE在美國紐約召開了第一屆智能控制學(xué)術(shù)研討會，會上集中討論了智能控制的原理和系統(tǒng)結(jié)構(gòu)等問題。這次會議之后不久，IEEE控制系統(tǒng)學(xué)會成立了智能控制專業(yè)委員會。1987年1月，IEEE控制系統(tǒng)學(xué)會和計(jì)算機(jī)學(xué)會在美國費(fèi)城聯(lián)合召開了智能控制的第一次國際會議，來自美、歐、日、中以及其他國家的150余位代表出席了這次學(xué)術(shù)盛會。這次會議是一個里程碑，它表明智能控制作為一門獨(dú)立學(xué)科，正式得到國際學(xué)術(shù)界的廣泛關(guān)注和認(rèn)可。2/5/202315北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系1.模糊控制的發(fā)展歷程1965年美國加州大學(xué)自動控制系統(tǒng)專家扎德（L.A.Zadah）在《信息與控制》雜志上先后發(fā)表了“模糊集”（FuzzySets）和“模糊集與系統(tǒng)”（FuzzySets&System）等研究成果，奠定了模糊集理論和應(yīng)用研究的基礎(chǔ)；1968年扎德首次公開發(fā)表其“模糊控制算法”；1973年他又發(fā)表了語言與模糊邏輯相結(jié)合的系統(tǒng)建立方法；1974年倫敦大學(xué)Mamdani博士首次嘗試?yán)媚：壿?，成功地開發(fā)了世界上第一臺模糊控制的蒸汽引擎；1979年T.J.Procky和E.H.Mamdani共同提出了自學(xué)習(xí)概念，使系統(tǒng)性能大為改善；1983年日本富士電機(jī)開創(chuàng)了模糊控制在日本的第一項(xiàng)商業(yè)應(yīng)用―水凈化處理；1987年該公司又在仙臺地鐵線上采用了模糊邏輯控制技術(shù)。2/5/202316北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系2.神經(jīng)網(wǎng)絡(luò)控制的發(fā)展歷程自1943年McCulloch和Pitts提出了神經(jīng)元的數(shù)學(xué)模型以來，神經(jīng)網(wǎng)絡(luò)的研究便開始了它的艱難歷程；Albus在1975年提出的CMAC神經(jīng)網(wǎng)絡(luò)模型，利用人腦記憶模型提出了一種分布式的聯(lián)想查表系統(tǒng)；20世紀(jì)50年代至70年代是神經(jīng)網(wǎng)絡(luò)研究的蕭條期，但仍有不少學(xué)者致力于神經(jīng)網(wǎng)絡(luò)模型的研究；Grossberg在1976年提出的自諧振理論（ART）解決了無導(dǎo)師指導(dǎo)下的模式分類；到了80年代，人工神經(jīng)網(wǎng)絡(luò)進(jìn)入了發(fā)展期：1982年，Hopfield提出了HNN模型，解決了回歸網(wǎng)絡(luò)的學(xué)習(xí)問題；1986年P(guān)DP小組的研究人員提出了多層前向神經(jīng)網(wǎng)絡(luò)的BP學(xué)習(xí)算法，實(shí)現(xiàn)了有導(dǎo)師指導(dǎo)下的網(wǎng)絡(luò)學(xué)習(xí)，從而為神經(jīng)網(wǎng)絡(luò)的應(yīng)用開辟了廣闊的前景。2/5/202317北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系遺傳算法（GA：GeneticAlgorithms）由美國J.H.Holland博士在1975年提出，從80年代中期開始，隨著人工智能的發(fā)展和計(jì)算機(jī)技術(shù)的進(jìn)步逐步成熟，應(yīng)用日漸增多?？梢灶A(yù)見，隨著系統(tǒng)論、人工智能理論和計(jì)算機(jī)技術(shù)的發(fā)展，智能控制將會有更大的發(fā)展空間，并在實(shí)際中得到更加廣泛的應(yīng)用。智能控制作為一門新興控制技術(shù)，目前還處于發(fā)展初期。基于遺傳算法的智能控制，基于Petri網(wǎng)理論的智能控制，遺傳算法、神經(jīng)網(wǎng)絡(luò)和模糊控制相結(jié)合的綜合優(yōu)化控制等新的智能控制理論和方法在不斷涌現(xiàn)和發(fā)展之中。3.遺傳算法的發(fā)展歷程4.智能控制的發(fā)展前景2/5/202318北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系1.3智能控制的應(yīng)用場合和研究內(nèi)容1.3.1智能控制的應(yīng)用場合智能控制是自動控制的最新發(fā)展階段，主要用于解決傳統(tǒng)控制技術(shù)與方法難以解決的控制問題。主要應(yīng)用場合有：（1）具有高度非線性、時變性、不確定性和不完全性等特征，一般無法獲得精確數(shù)學(xué)模型的復(fù)雜系統(tǒng)的控制問題；（2）需要對環(huán)境和任務(wù)的變化具有快速應(yīng)變能力并需要運(yùn)用知識進(jìn)行控制的復(fù)雜系統(tǒng)的控制問題；（3）采用傳統(tǒng)控制方法時，必須遵循一些苛刻的線性化假設(shè)，否則難以達(dá)到預(yù)期控制目標(biāo)的復(fù)雜系統(tǒng)的控制問題；（4）采用傳統(tǒng)控制方法時，控制成本高、可靠性差或控制效果不理想的復(fù)雜系統(tǒng)的控制問題。2/5/202319北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系1.3.2智能控制的主要研究內(nèi)容根據(jù)智能控制基本研究對象的開放性、復(fù)雜性、多層次和信息模式的多樣性、模糊性、不確定性等特點(diǎn)，其研究內(nèi)容主要包括以下幾個方面。（1）智能控制基本機(jī)理的研究（2）智能控制基本理論和方法的研究

①離散事件和連續(xù)時間混雜系統(tǒng)的分析與設(shè)計(jì)；

②基于故障診斷的系統(tǒng)組態(tài)理論和容錯控制方法；

③基于實(shí)時信息學(xué)習(xí)的規(guī)則自動生成與修改方法；主要對智能控制認(rèn)識論和方法論進(jìn)行研究，探索人類的感知、判斷、推理和決策等活動的機(jī)理。主要有以下幾個方面的內(nèi)容：2/5/202320北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系（3）智能控制應(yīng)用的研究⑤基于推理的系統(tǒng)優(yōu)化方法；⑥在一定結(jié)構(gòu)模式條件下，系統(tǒng)有關(guān)性質(zhì)（如穩(wěn)定性等）的分析方法等。④基于模糊邏輯和神經(jīng)網(wǎng)絡(luò)以及軟計(jì)算的智能控制方法；主要是智能控制在工業(yè)過程控制、計(jì)算機(jī)集成制造系統(tǒng)、機(jī)器人、航天航空等領(lǐng)域的應(yīng)用研究。1.4智能控制系統(tǒng)組成框架及其功能特點(diǎn)1.4.1智能控制系統(tǒng)的基本組成框架智能控制系統(tǒng)的基本組成框架如圖1.5所示。2/5/202321北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系通訊接口認(rèn)知感知信息處理規(guī)劃和控制傳感器執(zhí)行器廣義對象指令智能控制器被控對象圖1.5智能控制系統(tǒng)的基本組成結(jié)構(gòu)2/5/202322北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系規(guī)劃和控制部分是整個系統(tǒng)的核心，它根據(jù)給定的任務(wù)要求反饋信息及經(jīng)驗(yàn)知識，并進(jìn)行自動搜索、推理決策、動作規(guī)劃，以便產(chǎn)生具體的控制信號，經(jīng)執(zhí)行部件作用于被控對象?，F(xiàn)對圖1.5所示為智能控制系統(tǒng)的基本組成結(jié)構(gòu)進(jìn)行分析。在該系統(tǒng)中，廣義對象包括通常意義下的控制對象和所處的外部環(huán)境。感知信息處理部分將傳感器遞送的分級的、不完全的原始信息加以處理，并在學(xué)習(xí)過程中不斷加以辨識、整理和更新，以獲得有用的信息。認(rèn)知部分主要接收和存儲知識、經(jīng)驗(yàn)和數(shù)據(jù)，并對它們進(jìn)行分析和歸納，還能在學(xué)習(xí)過程中不斷更新這些知識、經(jīng)驗(yàn)和數(shù)據(jù)。通訊接口除建立人–機(jī)之間的聯(lián)系外，也建立系統(tǒng)中各模塊之間的聯(lián)系。2/5/202323北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系1.4.2智能控制系統(tǒng)的主要功能特點(diǎn)智能控制系統(tǒng)有學(xué)習(xí)功能、適應(yīng)功能、組織功能三大主要功能特點(diǎn)。（1）學(xué)習(xí)功能智能控制系統(tǒng)的學(xué)習(xí)功能指的是對一個過程或其環(huán)境的未知特征所固有的信息進(jìn)行學(xué)習(xí)，并將得到的經(jīng)驗(yàn)用于進(jìn)一步的估計(jì)、分類、決策和控制，從而使系統(tǒng)的性能得到改善。智能控制系統(tǒng)的學(xué)習(xí)能力有高低之分，低層次的學(xué)習(xí)主要指對控制對象參數(shù)的學(xué)習(xí)，高層次的學(xué)習(xí)則主要指對知識的更新。（2）適應(yīng)功能智能控制系統(tǒng)的適應(yīng)功能指的是當(dāng)智能控制系統(tǒng)的輸入不是已經(jīng)學(xué)習(xí)過的樣本時，照樣可給出合適的輸出。甚至當(dāng)系統(tǒng)中某些部分出現(xiàn)故障時，系統(tǒng)仍能正常工作。2/5/202324北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系（3）組織功能智能控制系統(tǒng)的組織功能指的是對于復(fù)雜的控制任務(wù)和分散的傳感器信息，智能控制系統(tǒng)具有自行組織和協(xié)調(diào)的功能。智能控制器可以在任務(wù)要求范圍內(nèi)自行決策、主動地采取行動；當(dāng)出現(xiàn)多目標(biāo)沖突時，在一定條件下，控制器有權(quán)自行裁決和處理。一個理想的智能控制系統(tǒng)，除了以上三大主要功能之外，往往還應(yīng)該具有其它一些功能：如對各類故障進(jìn)行自診斷、屏蔽和自恢復(fù)的容錯功能；對環(huán)境干擾和不確定性因素不敏感的自適應(yīng)功能和魯棒性功能；快速的在線實(shí)時響應(yīng)功能；友好的人–機(jī)界面，保證人–機(jī)通信、人–機(jī)互助的人–機(jī)協(xié)作功能等。2/5/202325北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系1.5智能控制系統(tǒng)的類型按照智能控制系統(tǒng)構(gòu)成的原理進(jìn)行分類，大致可分為以下幾類：1.分級遞階智能控制系統(tǒng)2.專家控制系統(tǒng)3.模糊邏輯控制系統(tǒng)4.神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)5.遺傳算法等軟計(jì)算優(yōu)化控制系統(tǒng)直接專家控制系統(tǒng)：直接輸出控制信號間接專家控制系統(tǒng)：輸出控制器的結(jié)構(gòu)和參數(shù)6.仿人智能控制系統(tǒng)2/5/202326北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系7.集成智能控制系統(tǒng)集成智能控制系統(tǒng)是指由幾種智能控制方法或控制機(jī)理融合在一起而構(gòu)成的智能控制系統(tǒng)。主要有以下幾類：（1）模糊專家控制系統(tǒng)；

（2）模糊神經(jīng)網(wǎng)絡(luò)控制系統(tǒng)；

（3）神經(jīng)網(wǎng)絡(luò)專家控制系統(tǒng)。8.綜合智能控制系統(tǒng)綜合智能控制系統(tǒng)也稱組合智能控制系統(tǒng)，它將智能控制與傳統(tǒng)控制方法有機(jī)組合、綜合應(yīng)用，取長補(bǔ)短，獲取互補(bǔ)特性，提高整體優(yōu)勢，以期獲得人工智能和控制理論緊密結(jié)合的智能控制系統(tǒng)。該類控制有模糊PID控制、模糊自適應(yīng)控制、基于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)控制等。2/5/202327北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系第2章分級遞階智能控制2.1遞階智能控制基本原理2.1.1遞階控制的基本原理分級遞階智能控制（HierachicalIntelligentControl）是在人工智能、自適應(yīng)控制以及運(yùn)籌學(xué)等理論的基礎(chǔ)上逐漸發(fā)展形成的，是智能控制最早的理論之一。（1）大系統(tǒng)的基本控制結(jié)構(gòu)對于復(fù)雜的大系統(tǒng)，由于系統(tǒng)階次高、子系統(tǒng)相互關(guān)聯(lián)，系統(tǒng)的評價指標(biāo)多且有時相互矛盾，因此在分析大系統(tǒng)的控制問題時，一般把大系統(tǒng)的控制分為互相關(guān)聯(lián)的子系統(tǒng)的控制問題來處理。根據(jù)信息交換的方式和子系統(tǒng)關(guān)聯(lián)方式的不同，可將大系統(tǒng)控制分為以下3種基本類型：2/5/202328北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系①集中控制系統(tǒng)在集中控制系統(tǒng)中，控制中心直接控制每個子系統(tǒng)，每個子系統(tǒng)只得到整個系統(tǒng)的部分信息，控制目標(biāo)相互獨(dú)立。其優(yōu)點(diǎn)是系統(tǒng)運(yùn)行的有效性較高，便于分析與設(shè)計(jì)；缺點(diǎn)是一旦控制中心出現(xiàn)故障，則整個系統(tǒng)將癱瘓。集中控制系統(tǒng)的一般結(jié)構(gòu)如圖2.1所示?？刂浦行淖酉到y(tǒng)1子系統(tǒng)n…被控對象或過程圖2.1集中控制系統(tǒng)框圖2/5/202329北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系②分散控制系統(tǒng)在分散控制系統(tǒng)中，控制中心控制若干分散控制器，而每個分散控制器控制一個獨(dú)立的控制目標(biāo)，即具體的子系統(tǒng)。此類結(jié)構(gòu)的優(yōu)點(diǎn)在于局部故障不至于影響整個系統(tǒng)，缺點(diǎn)是全局協(xié)調(diào)運(yùn)行較困難。分散控制系統(tǒng)的一般結(jié)構(gòu)如圖2.2所示。控制中心分散控制器1分散控制器i分散控制器n子系統(tǒng)1子系統(tǒng)i子系統(tǒng)n…………被控對象或過程圖2.2分散控制系統(tǒng)框圖2/5/202330北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系③遞階控制系統(tǒng)當(dāng)系統(tǒng)由若干個可分的相互關(guān)聯(lián)的子系統(tǒng)構(gòu)成時，可將系統(tǒng)所有決策單元按照一定優(yōu)先級和從屬關(guān)系遞階排列，同一級各單元受到上一級的干預(yù)，同時又對下一級單元施加影響。若同一級各單元目標(biāo)相互沖突，則由上一級單元協(xié)調(diào)。這是一種多級多目標(biāo)的結(jié)構(gòu)，各單元在不同級間遞階排列，形成金字塔形結(jié)構(gòu)。此類結(jié)構(gòu)的優(yōu)點(diǎn)是全局與局部控制性能都較高，靈活性與可靠性好，任何子過程的變化對決策的影響都是局部性的。缺點(diǎn)是系統(tǒng)設(shè)計(jì)比較復(fù)雜。遞階控制系統(tǒng)的一般結(jié)構(gòu)如圖2.3所示。2/5/202331北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系全局組織級局部協(xié)調(diào)級1局部協(xié)調(diào)級m局部控制器1局部控制器i局部控制器j局部控制器n子系統(tǒng)1子系統(tǒng)i子系統(tǒng)j子系統(tǒng)n…………………被控對象或過程……圖2.3遞階控制系統(tǒng)框圖2/5/202332北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系遞階控制系統(tǒng)主要有以下3種基本的遞階形式：

①多重描述（Stratifieddescription）：主要從建模角度考慮；

②多層決策（Multilayerdecision）：把一個復(fù)雜的決策問題進(jìn)行縱向分解；

③多級耦合（Multilevelcoupling）：考慮各子系統(tǒng)之間的關(guān)聯(lián)，將每一層的決策問題橫向分解。（2）遞階控制的基本原理遞階控制的基本原理是把一個總體問題P分解成若干有限數(shù)量的子問題Pi（i=1,2,…,n）。總體問題P的目標(biāo)是使復(fù)雜系統(tǒng)的總體性能指標(biāo)取得極值，當(dāng)不考慮各子問題之間的關(guān)聯(lián)時，有[P1,P2,…,Pn]的解P的解這三種遞階形式可以單獨(dú)或組合存在于一個大系統(tǒng)之中。2/5/202333北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系考慮到子問題之間因存在關(guān)聯(lián)而可能產(chǎn)生沖突（即耦合作用），現(xiàn)引入一個協(xié)調(diào)參數(shù)，以解決關(guān)聯(lián)產(chǎn)生的目標(biāo)沖突。用代替Pi，有的解P的解遞階控制的協(xié)調(diào)問題便是選擇適當(dāng)?shù)?，從初值通過迭代到達(dá)終值，使遞階控制達(dá)到最優(yōu)。遞階系統(tǒng)協(xié)調(diào)控制的任務(wù)是使大系統(tǒng)中的各子系統(tǒng)相互協(xié)調(diào)、配合、制約、促進(jìn)。從而在實(shí)現(xiàn)各子系統(tǒng)的子目標(biāo)、子任務(wù)的基礎(chǔ)上，實(shí)現(xiàn)整個大系統(tǒng)的總目標(biāo)、總?cè)蝿?wù)。2/5/202334北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系2.1.2分級遞階智能控制系統(tǒng)的基本結(jié)構(gòu)在設(shè)計(jì)一個復(fù)雜系統(tǒng)時，都是從最下層（包括過程在內(nèi)的直接控制裝置）開始，然后再逐步增加高層的決策控制單元，以增加系統(tǒng)的復(fù)雜性并逐步擴(kuò)展其功能，一個復(fù)雜系統(tǒng)很自然地隱含了內(nèi)在的遞階形式。由薩里迪斯提出的分級遞階智能控制理論按照“精度隨智能提高而降低”（IPDI，IncreasingPrecisionwithDecreasingIntelligence）原則分級管理系統(tǒng)，它由組織級、協(xié)調(diào)級、執(zhí)行級組成，如圖2.4所示。在遞階控制系統(tǒng)中應(yīng)用智能控制便形成了分級遞階智能控制。分級遞階智能控制系統(tǒng)的結(jié)構(gòu)與一般的分級遞階控制系統(tǒng)的結(jié)構(gòu)形式基本相同，其差別主要在于遞階智能控制采用智能控制器，它能夠利用人工智能的原理與方法，使系統(tǒng)具有利用知識、處理知識以及自學(xué)習(xí)等能力。2/5/202335北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系組織級控制器分配器協(xié)調(diào)器協(xié)調(diào)器硬件控制器硬件控制器過程過程智能遞增精度遞增第一級組織級第二級協(xié)調(diào)級第三級執(zhí)行級對象人機(jī)接口最高決策控制管理控制監(jiān)督傳感器執(zhí)行器………圖2.4分級遞階智能控制系統(tǒng)結(jié)構(gòu)示意圖2/5/202336北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系（1）組織級（Organizationlevel）組織級是遞階智能控制系統(tǒng)的最高級，是智能系統(tǒng)的“大腦”，能夠模仿人的行為功能，它具有相應(yīng)的學(xué)習(xí)能力和高級決策能力。組織級監(jiān)督并指導(dǎo)協(xié)調(diào)級和執(zhí)行級的所有行為，具有最高程度的智能。組織級能夠根據(jù)用戶對任務(wù)的不完全描述與實(shí)際過程和環(huán)境的有關(guān)信息，選擇合理的控制模式并向低層下達(dá)，以實(shí)現(xiàn)預(yù)定的控制目標(biāo)。（2）協(xié)調(diào)級（Coordinationlevel）協(xié)調(diào)級是遞階智能控制系統(tǒng)的次高級，其任務(wù)是協(xié)調(diào)各控制器的控制作用與各子任務(wù)的執(zhí)行。協(xié)調(diào)級可以進(jìn)一步劃分為兩個分層：控制管理分層與控制監(jiān)督分層?？刂乒芾矸謱咏o予下層的信息決定如何完成組織級下達(dá)的任務(wù)，以產(chǎn)生施加給下一層的控制指令；控制監(jiān)督分層的任務(wù)是保證、維持執(zhí)行級中各控制器的正常運(yùn)行，并進(jìn)行局部參數(shù)整定與性能優(yōu)化。2/5/202337北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系協(xié)調(diào)級一般由多個協(xié)調(diào)控制器和分配器組成，每個協(xié)調(diào)控制器既接受組織級的命令，又負(fù)責(zé)多個執(zhí)行級控制器的協(xié)調(diào)。

分配器的任務(wù)是將組織級給定的基本事件（任務(wù)）變換成面向協(xié)調(diào)器的控制指令序列，并在適當(dāng)?shù)臅r刻把它們分配給相應(yīng)的協(xié)調(diào)器。在任務(wù)完成后，分配器也負(fù)責(zé)生成反饋信息，送回給組織級。協(xié)調(diào)級是組織級與執(zhí)行級之間的接口，運(yùn)算精度相對較低，但有較高的決策能力與一定的學(xué)習(xí)能力。（3）執(zhí)行級（Executionlevel）執(zhí)行級是遞階智能控制系統(tǒng)的最低一級，由多個硬件控制器組成，其任務(wù)是完成具體的控制任務(wù)。執(zhí)行級控制器直接產(chǎn)生控制信號，通過執(zhí)行機(jī)構(gòu)作用于被控對象（過程）；同時執(zhí)行級也通過傳感器測量環(huán)境的相關(guān)信息，并傳遞給上一級控制器，給高層決策提供相關(guān)依據(jù)。執(zhí)行級的智能程度最低，而控制精度最高。2/5/202338北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系2.1.3遞階智能控制的熵準(zhǔn)則對于圖2.4所示的多級遞階智能控制系統(tǒng)，從最低級執(zhí)行級次高級協(xié)調(diào)級最高級組織級，智能要求逐步提高，越高的層次越需要高的智能，而精度則遞減，此類結(jié)構(gòu)具有以下特點(diǎn)：1）越是處于高層的控制器，對系統(tǒng)的影響也越大；2）越是處于高層，就有越多的不確定性信息，使問題的描述難于量化?？梢?，遞階智能控制的智能主要體現(xiàn)在高層次上，在高層次遇到的問題往往具有不確定性。因此，在高層次上應(yīng)該采用基于知識的組織級，以便于處理信息與利用人的直覺、推理、邏輯和經(jīng)驗(yàn)。這樣分級遞階智能控制系統(tǒng)就能在最高級（組織級）的統(tǒng)一組織下，實(shí)現(xiàn)對復(fù)雜系統(tǒng)的優(yōu)化控制。2/5/202339北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系對于不確定性問題，通常采用熵（Entropy）函數(shù)作為衡量其性能好壞的指標(biāo)，并以熵最小為準(zhǔn)則來確定相應(yīng)的最優(yōu)控制策略。從信息論的角度看，控制系統(tǒng)可以看作一個信息系統(tǒng)，信息是對事物不確定性的度量，增加信息是對不確定性的減少或消除。香農(nóng)（C.E.Shannon）提出采用信息負(fù)熵對信息的不確定性進(jìn)行定量描述，其定義如下：對于離散隨機(jī)過程x，熵H(x)的定義為對于連續(xù)隨機(jī)過程x，有式中，P[x]為x的概率密度函數(shù)；E[]為期望值。2/5/202340北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系由熵的表達(dá)式可知，熵越大就表明不確定性越大，時間序列越隨機(jī)，功率譜越平坦。而選擇對數(shù)度量信息的方便之處在于兩個信息相加的總信息量等于每個信息單獨(dú)存在時各自信息量之和。在薩里迪斯的遞階智能控制系統(tǒng)中，對智能控制系統(tǒng)的各級采用熵作為測度。組織級是智能控制系統(tǒng)的最高層次，可以采用熵來衡量所需要的知識；協(xié)調(diào)級連接組織級與執(zhí)行級，可以采用熵測量協(xié)調(diào)的不確定性；而在執(zhí)行級，熵函數(shù)表示系統(tǒng)的執(zhí)行代價，等價于系統(tǒng)所消耗的能量。每一級的熵相加成為總熵，可以用于表示控制作用的總代價。設(shè)計(jì)和建立遞階智能控制系統(tǒng)的原則就是使系統(tǒng)各級總熵為最小。2/5/202341北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系2.2遞階智能控制系統(tǒng)應(yīng)用舉例遞階智能控制理論作為較早的智能控制理論，自20世紀(jì)70年代以來，已經(jīng)被應(yīng)用于不同設(shè)備、系統(tǒng)的專項(xiàng)研究和工業(yè)應(yīng)用。早期的遞階智能系統(tǒng)主要應(yīng)用于實(shí)驗(yàn)室機(jī)器人和核電站的控制過程。20世紀(jì)80年代以來，工業(yè)過程控制、工業(yè)機(jī)器人控制等開始逐漸采用遞階智能控制理論。（1）機(jī)械手分級遞階智能控制系統(tǒng)美國普渡大學(xué)（PurdueUniversity）高級自動化研究實(shí)驗(yàn)室（AARL）成功地將分級遞階智能控制理論應(yīng)用于機(jī)器人控制中，設(shè)計(jì)了一個PUMA600機(jī)械手智能控制系統(tǒng)。圖2.5給出了該機(jī)械手智能控制系統(tǒng)的三級遞階結(jié)構(gòu)。2/5/202342北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系組織級控制器分配器傳感器協(xié)調(diào)器視覺協(xié)調(diào)器上臂控制器手部控制器傳感器第一級組織級第二級協(xié)調(diào)級第三級執(zhí)行級對象圖2.5機(jī)械手分級遞階智能控制系統(tǒng)結(jié)構(gòu)示意圖手臂協(xié)調(diào)器關(guān)節(jié)1~3關(guān)節(jié)4~6手指攝像機(jī)輸入指令2/5/202343北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系該機(jī)械手分級遞階智能控制系統(tǒng)的第一級為組織級；第二級協(xié)調(diào)級由一個分配器和三個協(xié)調(diào)器（視覺系統(tǒng)協(xié)調(diào)器、手臂協(xié)調(diào)器以及傳感器協(xié)調(diào)器）組成；第三級執(zhí)行級由上臂控制器與手部控制器組成，實(shí)現(xiàn)對6個關(guān)節(jié)與1個夾手的具體控制。該機(jī)械手可以實(shí)現(xiàn)7個自由度運(yùn)動，其中3個自由度用于上臂關(guān)節(jié)的運(yùn)動，3個自由度用于手的定位，1個自由度用于手指的開閉動作。該系統(tǒng)能夠?qū)崿F(xiàn)以下功能：

①人–機(jī)械手通訊功能，識別操作人員的語言命令，與操作人員交互作用；

②協(xié)調(diào)運(yùn)動控制功能，自主協(xié)調(diào)位置控制與速度控制；

③與環(huán)境交互的功能，對來自攝像機(jī)和其它外部傳感器的反饋信息進(jìn)行綜合，修正控制策略與動作序列，實(shí)現(xiàn)各種控制任務(wù)。2/5/202344北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系按照“智能遞減精度遞增”的控制原則，執(zhí)行級高精度地完成局部控制任務(wù)，滿足實(shí)時控制的局部性能指標(biāo)，但同時智能程度最低。該機(jī)械手執(zhí)行級有效地運(yùn)用了現(xiàn)代控制理論中的最優(yōu)控制算法，控制過程中所需要的精確對象模型是通過對臂關(guān)節(jié)子系統(tǒng)與手關(guān)節(jié)子系統(tǒng)建模而得到的。

協(xié)調(diào)級主要完成感覺、視覺和機(jī)械運(yùn)動3個子任務(wù)的信息處理與控制任務(wù)，通過恰當(dāng)?shù)毓烙?jì)各個子任務(wù)的性能，來使它們協(xié)調(diào)一致地工作。協(xié)調(diào)級不需要非常精確的數(shù)學(xué)模型，但為了協(xié)調(diào)與監(jiān)督執(zhí)行級的工作，協(xié)調(diào)級應(yīng)具有一定的學(xué)習(xí)能力，以使系統(tǒng)在重現(xiàn)的控制環(huán)境中，不斷提高系統(tǒng)的性能。

語言組織級作為最高級，具有最高的智能程度，能夠分析隨機(jī)輸入的命令，辨別控制環(huán)境，并在缺少運(yùn)行任務(wù)的情況下給出適當(dāng)?shù)目刂品桨浮?/5/202345北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系（2）遞階智能集散控制系統(tǒng)可見，典型的集散控制系統(tǒng)的結(jié)構(gòu)是一種自然的分級遞階結(jié)構(gòu)，如將智能控制理論引入到集散控制系統(tǒng)中，以裝置控制級計(jì)算機(jī)（或模擬調(diào)節(jié)器）作為執(zhí)行級，監(jiān)督級計(jì)算機(jī)作為協(xié)調(diào)級，管理級計(jì)算機(jī)作為組織級，便可構(gòu)成相應(yīng)的遞階智能集散控制系統(tǒng)。典型的集散控制系統(tǒng)具有分級分布式控制結(jié)構(gòu)，裝置控制級計(jì)算機(jī)（或模擬調(diào)節(jié)器）完成現(xiàn)場的控制任務(wù)；監(jiān)督級計(jì)算機(jī)協(xié)調(diào)各裝置控制級計(jì)算機(jī)（或模擬調(diào)節(jié)器）的工作，它可以運(yùn)行各種高級控制程序與協(xié)調(diào)優(yōu)化程序，以達(dá)到過程的動態(tài)（在線）優(yōu)化；管理級計(jì)算機(jī)通過監(jiān)督級計(jì)算機(jī)獲取過程的在線信息，完成并制定生產(chǎn)計(jì)劃，進(jìn)行產(chǎn)品管理、財務(wù)管理以及人事管理等，以實(shí)現(xiàn)生產(chǎn)過程的靜態(tài)優(yōu)化與綜合自動化。2/5/202346北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系第3章基于模糊推理的智能控制系統(tǒng)3.1模糊控制系統(tǒng)原理3.1.1模糊控制的基本思想無論是采用經(jīng)典控制還是采用現(xiàn)代控制理論去設(shè)計(jì)一個控制系統(tǒng)，一般都需要事先知道被控對象精確的數(shù)學(xué)模型（如模型的結(jié)構(gòu)、階次、參數(shù)等），然后根據(jù)數(shù)學(xué)模型以及給定的性能指標(biāo)，選擇適當(dāng)?shù)目刂撇呗?，進(jìn)行控制器的設(shè)計(jì)。然而，大量的實(shí)踐告訴我們，被控對象的精確數(shù)學(xué)模型一般很難建立，因此很難按照上述過程完成預(yù)期的控制目標(biāo)。與此相反，對上述難以精確建模的一些生產(chǎn)過程，有經(jīng)驗(yàn)的操作人員往往可以通過反復(fù)的手動調(diào)整，達(dá)到較為滿意的控制效果。于是，人們開始探索對于那些無法構(gòu)造數(shù)學(xué)模型的控制系統(tǒng)，是否可以讓計(jì)算機(jī)模擬人的思維進(jìn)行控制的問題。智能控制也正是基于以上想法應(yīng)運(yùn)而生的。2/5/202347北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系模糊控制主要研究如何利用計(jì)算機(jī)來實(shí)現(xiàn)人的控制經(jīng)驗(yàn)。它采用模糊數(shù)學(xué)的方法，通過一些用模糊語言描述的模糊規(guī)則，建立過程變量之間的模糊關(guān)系；此后，人們可以根據(jù)某一時刻的實(shí)際情況，基于模糊規(guī)則，采用合適的模糊推理算法獲得系統(tǒng)所需的控制量。3.1.2模糊控制系統(tǒng)的原理框圖A/DD/A模糊控制器執(zhí)行機(jī)構(gòu)被控對象檢測裝置給定值輸出量圖3.1模糊控制系統(tǒng)原理框圖模糊控制器是模糊控制系統(tǒng)的核心，也是模糊控制系統(tǒng)區(qū)別于其它自動控制系統(tǒng)的主要標(biāo)志。模糊控制器一般通過計(jì)算機(jī)軟件編程或模糊邏輯硬件電路加以實(shí)現(xiàn)，硬件可以是單片機(jī)、工業(yè)控制機(jī)等各種類型的微型計(jì)算機(jī)；程序設(shè)計(jì)語言則可以是匯編語言、C語言或其它高級語言。2/5/202348北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系模糊控制系統(tǒng)可以從不同角度進(jìn)行分類。按輸出信號的時變特性進(jìn)行分類，有恒值模糊控制系統(tǒng)和隨動模糊控制系統(tǒng)；按是否存在靜態(tài)誤差來分類，可以分為有差模糊控制系統(tǒng)和無差模糊控制系統(tǒng)；按系統(tǒng)輸入/輸出變量的個數(shù)來分類，可以分為單變量模糊控制系統(tǒng)和多變量模糊控制系統(tǒng)。3.1.3模糊控制系統(tǒng)的分類（1）恒值模糊控制系統(tǒng)和隨動模糊控制系統(tǒng)恒值模糊控制系統(tǒng)是指若系統(tǒng)給定值不變，要求其被控輸出量也保持恒定。該系統(tǒng)中影響被控量變化的因素只有進(jìn)入系統(tǒng)的外界擾動，控制的目的是要求系統(tǒng)自動克服這些擾動，這種控制系統(tǒng)也可稱為自鎮(zhèn)定模糊控制系統(tǒng)，如溫度模糊控制系統(tǒng)、流量模糊控制系統(tǒng)等。2/5/202349北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系對于恒值模糊控制系統(tǒng)來講，由于被控對象特性和系統(tǒng)運(yùn)行狀態(tài)變化不大，所以對控制器的適應(yīng)性和魯棒性要求較高；而對于隨動模糊控制系統(tǒng)而言，則要求有較強(qiáng)的快速跟蹤特性。隨動模糊控制系統(tǒng)是指系統(tǒng)給定值不再是恒定不變的，要求其被控輸出量按照一定精度要求，快速地跟蹤給定值變化。這種控制系統(tǒng)也稱為模糊跟蹤控制系統(tǒng)，如機(jī)器人關(guān)節(jié)位置隨動系統(tǒng)、火炮雷達(dá)隨動系統(tǒng)等。盡管這類系統(tǒng)也存在外界擾動，但對擾動的消除不是控制的主要目的。（2）有差模糊控制系統(tǒng)和無差模糊控制系統(tǒng)通常的模糊控制器在設(shè)計(jì)中只考慮系統(tǒng)輸出誤差的大小及其變化，相當(dāng)于一個PD調(diào)節(jié)器，再加上模糊控制器自身所具有的多級繼電器特性，因此一般的模糊控制系統(tǒng)均存在靜態(tài)誤差，故可稱為有差模糊控制系統(tǒng)。2/5/202350北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系（3）單變量模糊控制系統(tǒng)和多變量模糊控制系統(tǒng)所謂單變量模糊控制系統(tǒng)是指模糊控制器的輸入和輸出都只有一個物理變量的系統(tǒng)。多變量模糊控制系統(tǒng)是指控制器的輸入（或輸出）含有兩個或兩個以上物理變量的系統(tǒng)。

注意：這里的單變量控制系統(tǒng)和只有一個輸入、一個輸出的單入、單出控制系統(tǒng)的概念是有區(qū)別的。事實(shí)上，單變量模糊控制器的輸入可以是一維的（偏差），也可以是二維的（偏差和偏差變化），還可以是三維的（偏差、偏差變化和偏差變化的變化）。無差模糊控制系統(tǒng)是指在模糊控制系統(tǒng)中引入積分環(huán)節(jié)，將常規(guī)模糊控制器所存在的靜差抑制到最小限度，達(dá)到模糊控制系統(tǒng)某種意義上的無靜差要求，這種系統(tǒng)稱之為無差模糊控制系統(tǒng)。2/5/202351北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系3.2模糊控制器設(shè)計(jì)模糊控制系統(tǒng)的核心就是模糊控制器，一個模糊控制系統(tǒng)性能的優(yōu)劣，主要取決于模糊控制器的結(jié)構(gòu)、所采用的隸屬函數(shù)、模糊規(guī)則、推理方法以及解模糊算法等。3.2.1模糊控制器的基本結(jié)構(gòu)模糊控制器的結(jié)構(gòu)如圖3.2所示，由模糊化接口、推理機(jī)、解模糊接口和規(guī)則庫四部分構(gòu)成。規(guī)則庫推理機(jī)解模糊接口模糊化接口被控對象過程檢測量實(shí)際控制量圖3.2模糊控制器的基本結(jié)構(gòu)圖2/5/202352北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系（1）模糊化接口模糊控制器的輸入必須通過模糊化接口，轉(zhuǎn)化成為模糊量后，才能加載于模糊推理機(jī)構(gòu)。模糊化接口是模糊控制器的輸入接口。它首先將從傳感器得到的確定量和給定值進(jìn)行對比，計(jì)算誤差或誤差變化等輸入變量值；然后進(jìn)行標(biāo)度變換，將輸入變量轉(zhuǎn)換到相應(yīng)的模糊集論域；最后應(yīng)用模糊集對應(yīng)的隸屬函數(shù)將精確輸入量轉(zhuǎn)換為模糊值。（2）規(guī)則庫規(guī)則庫由一組語言控制規(guī)則組成，表達(dá)了應(yīng)用領(lǐng)域的專家經(jīng)驗(yàn)和控制策略。（3）推理機(jī)推理機(jī)是模糊控制系統(tǒng)的“大腦”。它根據(jù)模糊規(guī)則，運(yùn)用模糊推理算法，模擬人的決策過程，獲得模糊控制系統(tǒng)的控制策略和控制作用。（4）解模糊接口由于對系統(tǒng)的具體控制是一個精確量，所以需要通過解模糊接口，將模糊控制器的輸出由模糊量轉(zhuǎn)換成精確量，以獲得系統(tǒng)精確的控制作用。2/5/202353北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系3.2.2模糊控制器設(shè)計(jì)的基本方法（1）模糊控制器結(jié)構(gòu)的設(shè)計(jì)模糊控制器的結(jié)構(gòu)設(shè)計(jì)是指確定模糊控制器的輸入變量與輸出變量，這在3.1節(jié)已經(jīng)介紹。根據(jù)模糊控制器輸入變量和輸出變量的個數(shù)，可以分為單變量模糊控制系統(tǒng)和多變量模糊控制系統(tǒng)。下面分別加以介紹：①單變量模糊控制系統(tǒng)單變量模糊控制系統(tǒng)可以分為一維模糊控制器（輸入變量是偏差）、二維模糊控制器（輸入變量是偏差和偏差的變化）、三維模糊控制器（輸入變量是偏差、偏差的變化和偏差變化的變化）。圖3.3給出了一維模糊控制器和二維模糊控制器的基本結(jié)構(gòu)。2/5/202354北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系圖3.3基本模糊控制器原理框圖（a）一維模糊控制器A/DKe模糊推理模糊判決KuD/A執(zhí)行元件被控對象檢測裝置（a）A/DKe模糊推理模糊判決KuD/A執(zhí)行元件被控對象檢測裝置（b）差分Kec（b）二維模糊控制器2/5/202355北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系由于多變量模糊控制系統(tǒng)中各個變量之間存在著強(qiáng)耦合，因此要直接設(shè)計(jì)一個多變量模糊控制器是非常困難的?？梢岳媚：刂破鞅旧淼慕怦钚?，通過模糊關(guān)系的分解，在控制器結(jié)構(gòu)上進(jìn)行解耦，將一個多輸入多輸出模糊控制器，分解成若干個多輸入單輸出的模糊控制器，如圖3.4所示。②多變量模糊控制系統(tǒng)在圖3.3中，Ke為偏差量化因子，Kec為偏差變化的量化因子，Ku為比例因子。從理論上講，模糊控制系統(tǒng)所選用的模糊控制維數(shù)越高，系統(tǒng)的控制精度越高。但是，維數(shù)選擇太高，模糊控制規(guī)則就會變得過于復(fù)雜，推理、求解的過程就更加困難。因此，一般采用二維模糊控制器作為模糊控制器的典型結(jié)構(gòu)。2/5/202356北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系模糊控制器模糊控制器(a)(b)1m1m(c)圖3.4多變量模糊控制器解耦（a）多變量模糊控制器（b）多輸入單輸出模糊控制器（c）多輸入多輸出模糊控制器2/5/202357北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系（2）輸入變量的模糊化①量化因子的選擇為了進(jìn)行模糊化處理，必須將輸入變量從基本論域轉(zhuǎn)換到相應(yīng)的模糊集論域，這中間須將輸入變量乘以相應(yīng)的因子，這里稱為量化因子。量化因子一般用K表示，誤差的量化因子是Ke，誤差變化的量化因子是Kec。設(shè)誤差的基本論域?yàn)閇-emax，emax]，誤差變化的基本論域?yàn)閇-ecmax，ecmax]，誤差的模糊論域?yàn)檎`差變化的論域?yàn)閯t2/5/202358北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系量化因子Ke及Kec的大小對控制系統(tǒng)的動態(tài)性能影響很大。Ke選擇較大時，系統(tǒng)的超調(diào)量也較大，過渡過程較長；Kec選擇較大時，超調(diào)量減小，但系統(tǒng)的響應(yīng)速度變慢。Kec對超調(diào)的遏制作用十分明顯。在實(shí)際工作中，精確輸入量的變化范圍一般不會在[-emax，emax]以及[-ecmax，ecmax]之間呈對稱分布，如果其范圍是在[a,b]之間的話，則可以通過變換（以n1=n2=6為例）將在[a,b]之間變化的變量x(e或ec)變換成[-6,6]之間變化的變量y。2/5/202359北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系②模糊語言通常情況下，模糊變量的語言值一般取為{負(fù)大，負(fù)小，零，正小，正大}，或{負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大}，或{負(fù)大，負(fù)中，負(fù)小，負(fù)零，正零，正小，正中，正大}三種。同時，還可以根據(jù)實(shí)際情況，自行設(shè)定，但所有語言值形成的模糊子集應(yīng)構(gòu)成模糊變量的一個模糊劃分。③語言值的隸屬函數(shù)模糊語言值實(shí)際上是一個模糊子集，最終通過隸屬函數(shù)來描述。定義語言值的隸屬函數(shù)可采用鐘形、梯形和三角形，理論上說鐘形最為理想，但是計(jì)算復(fù)雜。實(shí)踐證明，用三角形和梯形隸屬函數(shù)，其性能并沒有十分明顯的差別。因此，為了簡化計(jì)算，目前比較常用的是三角形，其次是梯形。2/5/202360北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系設(shè)模糊語言定義為{負(fù)大，負(fù)中，負(fù)小，零，正小，正中，正大}時，其三角形隸屬函數(shù)曲線如圖3.5所示。圖3.5三角形隸屬函數(shù)（3）模糊控制規(guī)則的選取模糊控制規(guī)則基于操作人員長期積累的控制經(jīng)驗(yàn)和領(lǐng)域?qū)＜矣嘘P(guān)知識而形成的，它是對被控對象進(jìn)行控制的一個知識模型（不是數(shù)學(xué)模型）。這個模型建立的是否準(zhǔn)確，將直接決定模糊控制器控制性能的好壞。2/5/202361北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系（4）模糊推理方法的確定

①M(fèi)AX—MIN法；

②模糊加權(quán)推理法；

③函數(shù)型推理法。模糊推理有很多方法，其中比較常用的有以下三種：（5）解模糊接口的設(shè)計(jì)經(jīng)過模糊推理的結(jié)果，一般均為模糊值，不能直接用于控制被控對象，需要先轉(zhuǎn)化成執(zhí)行機(jī)構(gòu)可以執(zhí)行的精確量，此過程稱為解模糊過程。①解模糊算法的選擇解模糊常用的方法有：(i)最大隸屬度法；(ii)平均最大隸屬度法；2/5/202362北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系②比例因子的選擇同樣，模糊控制器輸出變量的論域和實(shí)際控制器的變化范圍一般也不會相同，故而引出比例因子。(iii)中位數(shù)法；(iv)加權(quán)平均法（重心法）。設(shè)控制量的變化范圍為[-umax，umax]，控制量所取的模糊論域?yàn)榭刂屏康谋壤蜃佑上率酱_定輸出比例因子Ku的大小也影響著模糊控制系統(tǒng)的特性。Ku選擇過小會使系統(tǒng)動態(tài)響應(yīng)過程變長，而Ku選擇過大會導(dǎo)致系統(tǒng)振蕩。2/5/202363北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系3.3模糊控制系統(tǒng)的兩種基本類型由于模糊控制器的知識庫中規(guī)則的形式和推理機(jī)的推理方法不同，模糊控制系統(tǒng)的具體類型是多種多樣的。通過對各種類型模糊控制器的分析，現(xiàn)有的模糊控制系統(tǒng)可以歸納為兩種基本類型：Mamdani型和Takagi-Sugeno（T-S）型，其它的類型都可視為這兩種類型的改進(jìn)或變型。3.3.1Mamdani型模糊控制系統(tǒng)的工作原理Mamdani模糊控制器是英國的Mamdani博士于1974年提出的，他第一次把模糊集合和模糊推理應(yīng)用于實(shí)際控制系統(tǒng)，是模糊控制技術(shù)發(fā)展初期普遍采用的模糊控制器模型，因而也常常被稱為傳統(tǒng)的模糊控制器。2/5/202364北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系多輸入單輸出（MISO）Mamdani模糊控制器的模糊控制規(guī)則形式為：其中，z1，z2，，zp為前件（輸入）變量，其論域分別為Z1，Z2，，Zp；（i=1,2,,p;j=1,2,,m）為前件變量zi的模糊集合；u為輸出控制變量，論域?yàn)閁；Bj為輸出變量的模糊集合。2/5/202365北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系對于模糊控制器的一組精確輸入值可得到推理結(jié)果為采用重心法反模糊化后得到的控制器的精確輸出為其中，uj是使

取最大值的點(diǎn)，它一般也就是隸屬度函數(shù)的中心點(diǎn)?；?/5/202366北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系3.3.2T-S型模糊控制系統(tǒng)的工作原理T-S模糊模型是日本學(xué)者Takagi和Sugeno于1985年首先提出來的，它采用輸入變量的函數(shù)作為if–then模糊規(guī)則的后件。T-S模糊模型可描述為：其中，z1，z2，，zp為前件（輸入）變量，其論域分別為Z1，Z2，，Zp；（i=1,2,,p;j=1,2,,m）為前件變量zi的模糊集合；u為輸出控制變量，論域?yàn)閁；fj(z1,z2,,zp)是模糊后件關(guān)于前件變量zi的線性或非線性函數(shù)。2/5/202367北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系對于一組輸入，經(jīng)過模糊推理并采用重心法反模糊化后得到的控制器輸出為其中，wj為輸入變量對第j條規(guī)則的激活度（或匹配度），它有以下兩種推理方式或在實(shí)際應(yīng)用中，T-S模糊規(guī)則后件的函數(shù)fj(z1,z2,,zp)可采用多項(xiàng)式形式。2/5/202368北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系3.4模糊控制技術(shù)應(yīng)用舉例——模糊控制全自動洗衣機(jī)1.模糊控制全自動洗衣機(jī)的特點(diǎn)傳統(tǒng)的全自動洗衣機(jī)從控制的角度看，實(shí)際上是一臺按事先設(shè)定好的程序而進(jìn)行工作的機(jī)械，它幾乎不具備什么智能，即它不能根據(jù)實(shí)際情況和工作條件的變化來改變程序中的參數(shù)。而模糊控制的洗衣機(jī)則向真正的智能化全自動邁進(jìn)了一大步。它具有以下幾個特點(diǎn)：

①可以根據(jù)所洗衣服的數(shù)量、種類和臟污程度來自動決定用水量的多少和水流的強(qiáng)度，可以動態(tài)地改變洗衣時間，在洗干凈衣服的前提下，盡量省電、省水、省時；

②操作簡單，只一個按鈕，一按就行；2/5/202369北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系

③可以用液晶屏將工作情況和過程顯示出來，比如已進(jìn)入洗衣的哪個階段，衣服已完成預(yù)定洗凈目標(biāo)的百分比以及還需要多長時間完成洗衣任務(wù)等；

④據(jù)測定，模糊控制的全自動洗衣機(jī)與普通全自動洗衣機(jī)相比，在條件完全相同的情況下，可提高洗凈度20%左右，其水平可達(dá)到有經(jīng)驗(yàn)主婦手工洗凈的程度。2.模糊控制全自動洗衣機(jī)的工作原理洗衣機(jī)的模糊推理及控制關(guān)系如圖3.6所示，這是一個多輸入、多輸出的控制系統(tǒng)。輸入量有布量、布質(zhì)、水溫、臟污程度和臟污性質(zhì)等；輸出量則包括電機(jī)轉(zhuǎn)速、水位、洗滌時間、洗滌劑投放量、脫水時間、漂洗方式、次數(shù)等，其中洗滌劑投放量、水流強(qiáng)度、水位、預(yù)設(shè)洗滌時間可以在洗滌前通過模糊推理計(jì)算得出，而洗滌修正時間、漂洗次數(shù)等則可由實(shí)時模糊控制器在線進(jìn)行調(diào)節(jié)。2/5/202370北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系布量布質(zhì)臟污程度臟污性質(zhì)水溫模糊推理控制洗滌劑量水位水流強(qiáng)度洗滌時間脫水時間漂洗方式、次數(shù)圖3.6模糊洗衣機(jī)推理控制關(guān)系2/5/202371北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系（1）輸入量的檢測①水位傳感器水位傳感器是一個壓力/頻率轉(zhuǎn)換部件。在結(jié)構(gòu)上水位檢測器為一個LC振蕩器，水位的高低會使振蕩器的輸出頻率發(fā)生變化，因此由其頻率可推知水位高低。②布量和布質(zhì)檢測③溫度檢測電路溫度檢測元件可采用熱敏電阻。④臟污程度和臟污性質(zhì)的檢測衣物的臟污程度、臟污性質(zhì)和洗凈程度的檢測是通過紅外光電傳感器來完成的。2/5/202372北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系（2）模糊控制器的設(shè)計(jì)為了使控制效果既好又使控制過程相對簡單，采取矛盾分析方法得到的具體控制策略是:

①根據(jù)布質(zhì)、布量確定水位高低和水流強(qiáng)度；

②根據(jù)布質(zhì)、布量和溫度確定初始的洗衣時間；

③根據(jù)洗滌過程中的混濁度信息來修正實(shí)際洗滌時間的長短和漂洗次數(shù)的多少。①水位設(shè)定的模糊控制（i）模糊量的定義布質(zhì)的模糊子集為{化纖，棉布}；布量的模糊子集為{少，中，多}；水位的模糊子集為{少，低，中，高}。根據(jù)經(jīng)驗(yàn)和實(shí)驗(yàn)數(shù)據(jù)，各模糊子集的隸屬函數(shù)采用梯形與三角形隸屬函數(shù)。

其基本工作原理可簡述如下。2/5/202373北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系（ii）模糊控制規(guī)則的設(shè)計(jì)表3.1水位模糊控制規(guī)則表水位布質(zhì)化纖棉布少低低中中高少布量中多根據(jù)實(shí)際操作經(jīng)驗(yàn)可總結(jié)出水位的模糊控制規(guī)則表，如表3.1所示。2/5/202374北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系②水流強(qiáng)度的模糊控制表3.2水流強(qiáng)度模糊控制規(guī)則表水流強(qiáng)度布質(zhì)化纖棉布弱中中強(qiáng)強(qiáng)強(qiáng)少布量中多水流強(qiáng)度的模糊子集定義為{弱，中，強(qiáng)}。根據(jù)實(shí)際操作經(jīng)驗(yàn)可總結(jié)出水流強(qiáng)度的模糊控制規(guī)則表，如表3.2所示。布質(zhì)和布量的模糊子集定義如前所述；（i）模糊量的定義（ii）模糊控制規(guī)則的設(shè)計(jì)2/5/202375北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系③預(yù)設(shè)洗衣時間的模糊控制根據(jù)實(shí)際操作經(jīng)驗(yàn)可總結(jié)出預(yù)設(shè)洗衣時間的模糊控制規(guī)則表，如表3.3所示。預(yù)設(shè)洗衣時間的模糊子集為{很短，短，較短，中，較長，長，很長}。表3.3預(yù)設(shè)洗衣時間模糊控制規(guī)則表溫度布質(zhì)化纖棉布很短較短高較長少布量中多中低高中低短較短長中較長很長短較短長短中長中長很長（i）模糊量的定義（ii）模糊控制規(guī)則的設(shè)計(jì)布質(zhì)和布量的模糊子集定義如前所述；溫度的模糊子集為{低，中，高}；2/5/202376北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系④實(shí)際洗滌時間的調(diào)整方法洗衣過程中必須根據(jù)實(shí)際洗滌衣物的混濁度信息（臟污程度和臟污性質(zhì)），對預(yù)設(shè)洗滌時間作適當(dāng)?shù)男拚?，以保證洗凈度高，洗衣時間又不過長。臟污程度的模糊子集為{輕，中，重}；（i）模糊量的定義（ii）模糊控制規(guī)則的設(shè)計(jì)表3.4所示為洗滌修正時間模糊控制規(guī)則表。臟污性質(zhì)的模糊子集為{泥性，中性，油性}；洗滌修正時間的模糊子集為{負(fù)多，負(fù)少，零，正少，正多}。2/5/202377北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系（3）控制器硬件系統(tǒng)的結(jié)構(gòu)圖3.7為一智能模糊型洗衣機(jī)控制器的硬件系統(tǒng)，系統(tǒng)采用MC68HC05B6單片機(jī)作為核心控制部件，它接收來自操作鍵和各檢測電路送來的信號，輸出相應(yīng)的顯示信號和半導(dǎo)體功率器件的驅(qū)動信號。表3.4洗滌修正時間模糊控制規(guī)則表修正時間臟污性質(zhì)泥性中性負(fù)多負(fù)少負(fù)少零零正少輕中重油性零正少正多臟污程度2/5/202378北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系（4）控制器軟件系統(tǒng)的設(shè)計(jì)全自動洗衣機(jī)模糊控制的軟件系統(tǒng)比較復(fù)雜，其程序設(shè)計(jì)采用模塊化結(jié)構(gòu)，由主程序、子程序和中斷服務(wù)程序組成。外接電源電源電路上電復(fù)位電路過零檢測電路鍵盤掃描電路過壓欠壓檢測安全開關(guān)檢測水位檢測電路單片機(jī)水溫檢測電路LED、數(shù)碼管顯示電路驅(qū)動電路電機(jī)正轉(zhuǎn)電機(jī)反轉(zhuǎn)電機(jī)調(diào)速進(jìn)水閥排水閥加熱絲蜂鳴器圖3.7硬件系統(tǒng)框圖2/5/202379北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系4.1基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識多年來，對線性、非時變和具有確定參數(shù)的系統(tǒng)所進(jìn)行的辨識研究，已經(jīng)取得了很大的進(jìn)展，但被辨識對象模型結(jié)構(gòu)的選擇都是建立在線性系統(tǒng)的基礎(chǔ)上。對于大量復(fù)雜的非線性對象的辨識，一直未能很好地解決。由于神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的非線性特性和自學(xué)習(xí)能力，所以它在這一方面具有很大的潛力，為解決復(fù)雜非線性、不確定性系統(tǒng)的辨識問題開辟了一條有效的途徑?；谏窠?jīng)網(wǎng)絡(luò)的系統(tǒng)辨識，就是利用神經(jīng)網(wǎng)絡(luò)作為被辨識對象的模型，它可以實(shí)現(xiàn)對線性與非線性、靜態(tài)與動態(tài)系統(tǒng)的離線或在線辨識。第4章基于神經(jīng)網(wǎng)絡(luò)的智能控制技術(shù)一般說來，神經(jīng)網(wǎng)絡(luò)用于控制有兩種方式：一種是利用神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)系統(tǒng)建模，有效地辨識系統(tǒng)；另一種就是將神經(jīng)網(wǎng)絡(luò)直接作為控制器使用，以取得滿意的控制效果。2/5/202380北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系4.1.1基于神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識的基本概念（1）系統(tǒng)辨識的基本概念L.A.Zadeh曾給辨識下過定義：“辨識就是在輸入和輸出數(shù)據(jù)的基礎(chǔ)上，從一組給定的模型中，確定一個與所測系統(tǒng)等價的模型?！?/p>

①數(shù)據(jù)：能觀測到的被辨識系統(tǒng)的輸入/輸出數(shù)據(jù)；根據(jù)以上關(guān)于辨識的定義可知，辨識有三大要素：

②模型類：待尋找模型的范圍；

③等價準(zhǔn)則：辨識的優(yōu)化目標(biāo)，用來衡量模型與實(shí)際系統(tǒng)的接近情況。設(shè)一個離散非時變系統(tǒng)，其輸入和輸出分別為u(k)和y(k)，辨識問題可描述為尋求一個數(shù)學(xué)模型，使得模型的輸出與被辨識系統(tǒng)的輸出y(k)之差滿足規(guī)定的要求，如圖4.1所示。2/5/202381北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系在進(jìn)行辨識系統(tǒng)時要遵循以下幾個基本原則。②模型的選擇原則①輸入信號的選擇原則被辨識系統(tǒng)辨識模型圖4.1系統(tǒng)辨識原理圖模型只是在某種意義下對實(shí)際系統(tǒng)的一種近似描述，它的確定要兼顧其精確性和復(fù)雜性，一般選擇能逼近原系統(tǒng)的最簡模型。為了能夠辨識實(shí)際系統(tǒng)，對輸入信號的最低要求是在辨識時間內(nèi)系統(tǒng)的動態(tài)過程必須被輸入信號持續(xù)激勵，反映在頻譜上，要求輸入信號的頻率必須足以覆蓋系統(tǒng)的頻譜，更進(jìn)一步的要求是輸入信號應(yīng)能使給定問題的辨識模型精度足夠高。2/5/202382北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系③誤差準(zhǔn)則的選擇原則其中，L為數(shù)據(jù)的長度，f(?)是e(k)的函數(shù)，一般選平方函數(shù)，即根據(jù)圖4.1可知由于e2(k)通常是關(guān)于模型參數(shù)的非線性函數(shù)。因此，在這種誤差準(zhǔn)則意義下，辨識問題可歸結(jié)為非線性函數(shù)的最優(yōu)化問題。作為衡量模型是否接近實(shí)際系統(tǒng)的標(biāo)準(zhǔn)，誤差準(zhǔn)則通常表示為一個誤差的泛函，記作2/5/202383北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系（2）神經(jīng)網(wǎng)絡(luò)系統(tǒng)辨識的特點(diǎn)基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識，就是選擇適當(dāng)?shù)纳窠?jīng)網(wǎng)絡(luò)作為被控對象或生產(chǎn)過程（線性或非線性）的模型或逆模型。與傳統(tǒng)的辨識方法相比較，神經(jīng)網(wǎng)絡(luò)用于系統(tǒng)辨識具有以下的特點(diǎn)：

①神經(jīng)網(wǎng)絡(luò)本身作為一種辨識模型，其可調(diào)參數(shù)反映在網(wǎng)絡(luò)內(nèi)部的連接權(quán)上，因此不再要求建立實(shí)際系統(tǒng)的結(jié)構(gòu)模型，即可以省去對模型的結(jié)構(gòu)、階次（維數(shù)）辨識這一步驟；

②可以對本質(zhì)非線性系統(tǒng)進(jìn)行辨識，辨識過程在網(wǎng)絡(luò)外部表現(xiàn)為對系統(tǒng)輸入/輸出數(shù)據(jù)的擬合，而在網(wǎng)絡(luò)內(nèi)部則是通過歸納隱含在輸入/輸出數(shù)據(jù)中的系統(tǒng)特性加以完成的；

③辨識的收斂速度不依賴于待辨識系統(tǒng)的維數(shù)，只與神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)及所采用的學(xué)習(xí)算法有關(guān)；傳統(tǒng)的辨識算法一般會隨模型維數(shù)的增大而變得非常復(fù)雜；2/5/202384北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識可以分為在線辨識和離線辨識兩種，在線辨識是在系統(tǒng)實(shí)際運(yùn)行過程中完成的，辨識過程要求具有實(shí)時性。離線辨識是在取得系統(tǒng)的輸入/輸出數(shù)據(jù)后進(jìn)行辨識，因此，辨識過程與實(shí)際系統(tǒng)的運(yùn)行是分離的，無實(shí)時性要求。離線辨識能使網(wǎng)絡(luò)在系統(tǒng)工作前，預(yù)先完成學(xué)習(xí)，但輸入/輸出訓(xùn)練集很難覆蓋系統(tǒng)所有可能的工作范圍，而且難以反應(yīng)系統(tǒng)在工作過程中的參數(shù)變化。在實(shí)際運(yùn)用中，一般是先進(jìn)行離線訓(xùn)練，得到網(wǎng)絡(luò)的權(quán)系數(shù)，然后再進(jìn)行在線學(xué)習(xí)，將得到的權(quán)值作為在線學(xué)習(xí)的初始權(quán)值，以便加快后者的學(xué)習(xí)過程。由于神經(jīng)網(wǎng)絡(luò)所具有的自學(xué)習(xí)能力，使得在被辨識系統(tǒng)特性變化的情況下，神經(jīng)網(wǎng)絡(luò)能通過不斷地調(diào)整權(quán)值和閾值，自適應(yīng)地跟蹤被辨識系統(tǒng)的變化。

④在辨識過程中，系統(tǒng)模型的參數(shù)對應(yīng)于神經(jīng)網(wǎng)絡(luò)中的權(quán)值、閾值，通過調(diào)節(jié)這些權(quán)值、閾值即可使網(wǎng)絡(luò)輸出逼近系統(tǒng)輸出。2/5/202385北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系4.1.2基于神經(jīng)網(wǎng)絡(luò)的系統(tǒng)辨識1.正向模型辨識所謂正向模型是指利用多層前饋神經(jīng)網(wǎng)絡(luò)，通過訓(xùn)練或?qū)W習(xí)，使其能夠表達(dá)系統(tǒng)正向動力學(xué)特性的模型。圖4.2給出了獲得系統(tǒng)正向模型的網(wǎng)絡(luò)結(jié)構(gòu)示意圖。其中神經(jīng)網(wǎng)絡(luò)與待辨識系統(tǒng)并聯(lián)，兩者的輸出誤差e被用作網(wǎng)絡(luò)的訓(xùn)練信號。顯然，這是一個典型的有監(jiān)督學(xué)習(xí)問題，實(shí)際系統(tǒng)作為教師，向神經(jīng)網(wǎng)絡(luò)提供學(xué)習(xí)算法所需的期望輸出。一般可選BP及其改進(jìn)算法對網(wǎng)絡(luò)進(jìn)行訓(xùn)練。動態(tài)系統(tǒng)NN圖4.2正向模型2/5/202386北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系注意：

②輸入/輸出數(shù)據(jù)對的使用要合理；

③網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)要根據(jù)其學(xué)習(xí)能力和泛化能力共同確定。2.逆模型辨識建立動態(tài)系統(tǒng)的逆模型，在神經(jīng)網(wǎng)絡(luò)控制中起著關(guān)鍵的作用，并且得到了最廣泛的應(yīng)用，這在下節(jié)中將進(jìn)行詳細(xì)介紹。下面首先討論神經(jīng)網(wǎng)絡(luò)逆建模的輸入輸出結(jié)構(gòu)，然后介紹兩類具體的逆建模方法。

①NN的輸入不僅有u(k),u(k-1),，u(k-m+1)，而且有y(k),y(k-1),,y(k-n+1)；輸出為y(k+1)，即NN要模仿的非線性關(guān)系為y(k+1)=f[y(k),,y(k-n+1);u(k),,u(k-m+1)]2/5/202387北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系假定上式中的非線性函數(shù)f可逆，則在數(shù)學(xué)層面上容易推出上式中出現(xiàn)了k+1時刻的輸出值y(k+1)。由于在k時刻不可能知道y(k+1)的值，因此一般用k+1時刻的期望輸出yd(k+1)來代替y(k+1)的值。因?yàn)閷τ谳敵龆?，其任意時刻的期望值總可以預(yù)先求出。此時，上式變?yōu)閡(k)=f-1[y(k+1),,y(k-n+1);u(k-1),,u(k-m+1)]如果將u(k-1),,u(k-m+1);y(k),,y(k-n+1),yd(k+1)作為網(wǎng)絡(luò)的輸入，u(k)作為網(wǎng)絡(luò)的輸出，那么利用靜態(tài)前饋神經(jīng)網(wǎng)絡(luò)進(jìn)行逆建模過程，事實(shí)上也就變成了通過學(xué)習(xí)逼近上述非線性函數(shù)f-1(?)的過程。u(k)=f-1[y(k),,y(k-n+1),yd(k+1);u(k-1),,u(k-m+1)]2/5/202388北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系（1）直接逆建模直接逆建模也稱為廣義逆學(xué)習(xí)（GeneralizedInverseLearning），其結(jié)構(gòu)如圖4.3所示。動態(tài)系統(tǒng)NN圖4.3直接逆建模從原理上說，這是一種最簡單的方法。由圖4.3可以看出，擬辨識動態(tài)系統(tǒng)的輸出作為網(wǎng)絡(luò)的輸入，將網(wǎng)絡(luò)輸出與系統(tǒng)輸入進(jìn)行比較后的誤差作為訓(xùn)練信號，因而網(wǎng)絡(luò)將通過學(xué)習(xí)建立起擬辨識動態(tài)系統(tǒng)的逆模型。2/5/202389北京科技大學(xué)自動化學(xué)院控制科學(xué)與工程系注意：

①所辨識的非線性系統(tǒng)有可能是不可逆的，這時利用上述方法不可能得到一個正確的逆模型。因此，在建立系統(tǒng)的逆模型時，可逆性必須首先假定；

②建立逆動力學(xué)神經(jīng)網(wǎng)絡(luò)模型時，網(wǎng)絡(luò)學(xué)習(xí)所需的樣本集一般很難確定，因?yàn)閷?shí)際工作時輸入信號很難先驗(yàn)給出；

③在系統(tǒng)辨識中為保證參數(shù)估計(jì)算法一致收斂，一個持續(xù)的輸入信號必須提供。盡管對傳統(tǒng)自適應(yīng)控制已經(jīng)提出了許多確保持續(xù)激勵的條件，但對神經(jīng)網(wǎng)絡(luò)，這一問題仍有待于進(jìn)一步研究。由于實(shí)際工作范圍內(nèi)的系統(tǒng)輸入u(k)不可能預(yù)先確定，而相應(yīng)的持續(xù)激勵信號又難以設(shè)計(jì)，這就使該方法在應(yīng)用時